En un proceso laberíntico logramos obtener las bases de datos que contenian las categorías de pobreza que conincidian con las tablas oficiales de corrección retroactiva de la Casen
Lectura de bases de datos Casen
direccion <- switch(2,"C:/Users/enamo/Desktop/Shiny-R/Casen_en_pandemia_2020/casen/","C:/Users/chris/Desktop/archivos grandes/")
dataset_06 <<- readRDS(paste0(direccion,"casen_2006_c.rds"))
dataset_06 <- mutate_if(dataset_06, is.factor, as.character)
dataset_09 <<- readRDS(paste0(direccion,"casen_2009_c.rds"))
dataset_09 <- mutate_if(dataset_09, is.factor, as.character)
dataset_11 <<- readRDS(paste0(direccion,"casen_2011_c.rds"))
dataset_11 <- mutate_if(dataset_11, is.factor, as.character)
dataset_13 <<- readRDS(paste0(direccion,"casen_2013_c.rds"))
dataset_13 <- mutate_if(dataset_13, is.factor, as.character)
dataset_15 <<- readRDS(paste0(direccion,"casen_2015_c.rds"))
dataset_15 <- mutate_if(dataset_15, is.factor, as.character)
dataset_17 <<- readRDS(paste0(direccion,"casen_2017_c.rds"))
dataset_17 <- mutate_if(dataset_17, is.factor, as.character)
dataset_20 <<- readRDS(paste0(direccion,"casen_2020_c.rds"))
dataset_20 <- mutate_if(dataset_20, is.factor, as.character)1 2006
Base de datos Complementaria de Ingresos Nueva Metodología Casen 2006 SPSS
dataset_06$clave <- paste0(dataset_06$SEG,dataset_06$O,dataset_06$F)
MN_2006 <- read.spss("C:/Users/chris/Desktop/archivos grandes/Ingresos MN 2006.sav", to.data.frame = TRUE)
MN_2006$clave <- paste0(MN_2006$seg,MN_2006$o,MN_2006$f)
MN_2006_2 <- MN_2006[,c("clave","pobreza_MN")]
dataset_06 <- merge(x= dataset_06, y= MN_2006_2, by="clave")
dataset_06 <- mutate_if(dataset_06, is.factor, as.character)ttcc <- xtabs(dataset_06$EXPC~pobreza_MN, data = dataset_06)
ttcc## pobreza_MN
## No pobres Pobres extremos Pobres no extremos
## 11424554 2027451 2663366
print(c("Pobres extremos",as.numeric(ttcc[2]*100/(ttcc[1]+ttcc[2]+ttcc[3]))))## [1] "Pobres extremos" "12.5808521566149"
print(c("Pobres",as.numeric((ttcc[3]+ttcc[2])*100/(ttcc[1]+ttcc[2]+ttcc[3]))))## [1] "Pobres" "29.107719580269"
2 2009
Base de datos Complementaria de Ingresos Nueva Metodología Casen 2009 SPSS
dataset_09$clave <- paste0(dataset_09$SEGMENTO,dataset_09$IDVIV,dataset_09$HOGAR,dataset_09$O)
MN_2009 <- read.spss("C:/Users/chris/Desktop/archivos grandes//Ingresos MN 2009.sav", to.data.frame = TRUE)
MN_2009$clave <- paste0(MN_2009$SEGMENTO,MN_2009$IDVIV,MN_2009$HOGAR,MN_2009$O)
MN_2009_2 <- MN_2009[,c("clave","pobreza_MN")]
dataset_09 <- merge(x= dataset_09, y= MN_2009_2, by="clave")
dataset_09 <- mutate_if(dataset_09, is.factor, as.character) ttcc <- xtabs(dataset_09$EXPC~pobreza_MN, data = dataset_09)
ttcc## pobreza_MN
## No pobres Pobres extremos Pobres no extremos
## 12398130 1630581 2555810
print(c("Pobres extremos",as.numeric(ttcc[2]*100/(ttcc[1]+ttcc[2]+ttcc[3]))))## [1] "Pobres extremos" "9.83194510109758"
print(c("Pobres",as.numeric((ttcc[2]+ttcc[3])*100/(ttcc[1]+ttcc[2]+ttcc[3]))))## [1] "Pobres" "25.2427610058801"
3 2011
Base Complementaria Ingresos Nueva Metodología Casen 2011 (submuestra noviembre 2011-enero 2012) (Base 2011 utilizada para estimaciones de serie Casen) SPSS
dataset_11$clave <- paste0(dataset_11$folio,dataset_11$o)
MN_2011 <- read.spss("C:/Users/chris/Desktop/archivos grandes/Ingresos MN 2011.sav", to.data.frame = TRUE)
MN_2011$clave <- paste0(MN_2011$folio,MN_2011$o )
MN_2011_2 <- MN_2011[,c("clave","pobreza_MN")]
dataset_11 <- merge(x= dataset_11, y= MN_2011_2, by="clave")
dataset_11 <- mutate_if(dataset_11, is.factor, as.character) ttcc <- xtabs(dataset_11$expc_full~pobreza_MN, data = dataset_11)
ttcc## pobreza_MN
## No pobres Pobres extremos Pobres no extremos
## 8713093 910164 1598941
print(c("Pobres extremos",as.numeric(ttcc[2]*100/(ttcc[1]+ttcc[2]+ttcc[3]))))## [1] "Pobres extremos" "8.11038978282151"
print(c("Pobres",as.numeric((ttcc[2]+ttcc[3])*100/(ttcc[1]+ttcc[2]+ttcc[3]))))## [1] "Pobres" "22.3584096448842"
4 2013
Para 2013 la pobreza con la nueva metodología ya esta incluida en la base de datos oficial
ttcc <- xtabs(dataset_13$expc~pobreza_MN, data = dataset_13)
ttcc## pobreza_MN
## No pobres Pobres extremos Pobres no extremos
## 14745682 776164 1696553
print(c("Pobres extremos",as.numeric(ttcc[2]*100/(ttcc[1]+ttcc[2]+ttcc[3]))))## [1] "Pobres extremos" "4.50775940318261"
print(c("Pobres",as.numeric((ttcc[2]+ttcc[3])*100/(ttcc[1]+ttcc[2]+ttcc[3]))))## [1] "Pobres" "14.3608996399723"
5 Homologación de pobreza
dataset_06$pobreza_MN[dataset_06$pobreza_MN == "No pobres"] <- "No pobre"
dataset_06$pobreza_MN[dataset_06$pobreza_MN == "Pobres no extremos"] <- "Pobre"
dataset_06$pobreza_MN[dataset_06$pobreza_MN == "Pobres extremos"] <- "Pobre extremo"
dataset_09$pobreza_MN[dataset_09$pobreza_MN == "No pobres"] <- "No pobre"
dataset_09$pobreza_MN[dataset_09$pobreza_MN == "Pobres no extremos"] <- "Pobre"
dataset_09$pobreza_MN[dataset_09$pobreza_MN == "Pobres extremos"] <- "Pobre extremo"
dataset_11$pobreza_MN[dataset_11$pobreza_MN == "No pobres"] <- "No pobre"
dataset_11$pobreza_MN[dataset_11$pobreza_MN == "Pobres no extremos"] <- "Pobre"
dataset_11$pobreza_MN[dataset_11$pobreza_MN == "Pobres extremos"] <- "Pobre extremo"
dataset_13$pobreza_MN[dataset_13$pobreza_MN == "No pobres"] <- "No pobre"
dataset_13$pobreza_MN[dataset_13$pobreza_MN == "Pobres no extremos"] <- "Pobre"
dataset_13$pobreza_MN[dataset_13$pobreza_MN == "Pobres extremos"] <- "Pobre extremo"
dataset_15$pobreza[dataset_15$pobreza == "No pobres"] <- "No pobre"
dataset_15$pobreza[dataset_15$pobreza == "Pobres no extremos"] <- "Pobre"
dataset_15$pobreza[dataset_15$pobreza == "Pobres extremos"] <- "Pobre extremo"
dataset_17$pobreza[dataset_17$pobreza == "No pobres"] <- "No pobre"
dataset_17$pobreza[dataset_17$pobreza == "Pobres no extremos"] <- "Pobre"
dataset_17$pobreza[dataset_17$pobreza == "Pobres extremos"] <- "Pobre extremo"
dataset_20$pobreza[dataset_20$pobreza == "No pobres"] <- "No pobre"
dataset_20$pobreza[dataset_20$pobreza == "Pobres no extremos"] <- "Pobre"
dataset_20$pobreza[dataset_20$pobreza == "Pobres extremos"] <- "Pobre extremo"6 Generación de tablas de contingencia
df_tablas <- data.frame()
funcion1 <- function(n){
xx<-switch(n,"2006","2009","2011","2013","2015","2017","2020")
tanio <<- xx
if(xx==2006) {
eliminated <- dataset_06
a <- eliminated$pobreza_MN
b <- eliminated$COMUNA
anio <- 2006
}
if(xx==2009) {
eliminated <- dataset_09
a <- eliminated$pobreza_MN
b <- eliminated$COMUNA
anio <- 2009
}
if(xx==2011) {
eliminated <- dataset_11
a <- eliminated$pobreza_MN
b <- eliminated$comuna
anio <- 2011
}
if(xx==2013) {
eliminated <- dataset_13
a <- eliminated$pobreza_MN
b <- eliminated$comuna
anio <- 2013
}
if(xx==2015) {
eliminated <- dataset_15
a <- eliminated$pobreza
b <- eliminated$comuna
anio <- 2015
}
if(xx==2017) {
eliminated <- dataset_17
a <- eliminated$pobreza
b <- eliminated$comuna
anio <- 2017
}
if(xx==2020) {
eliminated <-dataset_20
a <- eliminated$pobreza
b <- eliminated$comuna
anio <- 2020
}
################ -- frecuencia
expan<-switch(n,"EXPC","EXPC","expc_full","expc","expc_todas","expc","expc")
tabla_matp <-xtabs(eliminated[,(expan)]~a+b, data = eliminated)
tabla_matp <- as.data.frame(tabla_matp)
tabla_matp <-tabla_matp[!(tabla_matp$Freq == 0),]
df <- tabla_matp
df <- df[complete.cases(df), ]
################
names(df)[1] <- "Pobreza"
names(df)[2] <- "Comuna"
df$Año = anio
direc_cod_com <- paste0("C:/Users/chris/Desktop/archivos grandes/codigos_comunales_2006-2020.rds")
codigos_comunales <- readRDS(file = direc_cod_com)
names(codigos_comunales)[1] <- "Código"
names(codigos_comunales)[2] <- "Comuna"
tabla_df = merge( x = df, y = codigos_comunales, by = "Comuna", all.x = TRUE)
tabla_df2 <<- tabla_df
}
data_df3 <- data.frame()
for (n in 1:7){
funcion1(n)
data_df3 <- rbind(data_df3,tabla_df2)
assign(paste0("tabla_etnia_",tanio),data_df3)
data_df3 <- data.frame()
print(paste0("tabla_etnia_",tanio))
}## [1] "tabla_etnia_2006"
## [1] "tabla_etnia_2009"
## [1] "tabla_etnia_2011"
## [1] "tabla_etnia_2013"
## [1] "tabla_etnia_2015"
## [1] "tabla_etnia_2017"
## [1] "tabla_etnia_2020"
data_df3 <- rbind(tabla_etnia_2006,tabla_etnia_2009,tabla_etnia_2011,tabla_etnia_2013,tabla_etnia_2015,tabla_etnia_2017,tabla_etnia_2020)
##############
datatable(data_df3, extensions = 'Buttons', escape = FALSE, rownames = FALSE,
options = list(dom = 'Bfrtip',
buttons = list('colvis', list(extend = 'collection',
buttons = list(
list(extend='copy'),
list(extend='excel',
filename = 'tabla_etnia_pobreza'),
list(extend='pdf',
filename= 'tabla_etnia_pobreza')),
text = 'Download')), scrollX = TRUE))7 No pobre
df1 <- filter(data_df3, Pobreza == "No pobre", Año == 2006 )
df2 <- filter(data_df3, Pobreza == "No pobre", Año == 2009 )
df3 <- filter(data_df3, Pobreza == "No pobre", Año == 2011 )
df4 <- filter(data_df3, Pobreza == "No pobre", Año == 2013 )
df5 <- filter(data_df3, Pobreza == "No pobre", Año == 2015 )
df6 <- filter(data_df3, Pobreza == "No pobre", Año == 2017 )
df7 <- filter(data_df3, Pobreza == "No pobre", Año == 2020 )
names(df1)[c(2,3)] <- c("Pobreza1","Freq1")
names(df2)[c(2,3)] <- c("Pobreza2","Freq2")
names(df3)[c(2,3)] <- c("Pobreza3","Freq3")
names(df4)[c(2,3)] <- c("Pobreza4","Freq4")
names(df5)[c(2,3)] <- c("Pobreza5","Freq5")
names(df6)[c(2,3)] <- c("Pobreza6","Freq6")
names(df7)[c(2,3)] <- c("Pobreza7","Freq7")
df8 <- merge(x=df1, y= df2[,c(2,3,5)], by= "Código")
df8 <- merge(x=df8, y= df3[,c(2,3,5)], by= "Código")
df8 <- merge(x=df8, y= df4[,c(2,3,5)], by= "Código")
df8 <- merge(x=df8, y= df5[,c(2,3,5)], by= "Código")
df8 <- merge(x=df8, y= df6[,c(2,3,5)], by= "Código")
df8 <- merge(x=df8, y= df7[,c(2,3,5)], by= "Código")
df8 <- df8[,c(2,1,3,4,6:17,5)]
df8 <- mutate_if(df8, is.factor, as.character)
p <- plot_ly(df8, width = 1200, x = ~Comuna, y = ~Freq1, name = 'No pobre 2006', mode = 'markers') %>% add_lines()
p <- p %>% add_lines(y = ~Freq2, name = 'No pobre 2009', mode = 'markers')
p <- p %>% add_lines(y = ~Freq3, name = 'No pobre 2011', mode = 'markers')
p <- p %>% add_lines(y = ~Freq3, name = 'No pobre 2013', mode = 'markers')
p <- p %>% add_lines(y = ~Freq4, name = 'No pobre 2015', mode = 'markers')
p <- p %>% add_lines(y = ~Freq5, name = 'No pobre 2017', mode = 'markers')
p <- p %>% add_lines(y = ~Freq6, name = 'No pobre 2020', mode = 'markers')
p 8 Pobre
df1 <- filter(data_df3, Pobreza == "Pobre", Año == 2006 )
df2 <- filter(data_df3, Pobreza == "Pobre", Año == 2009 )
df3 <- filter(data_df3, Pobreza == "Pobre", Año == 2011 )
df4 <- filter(data_df3, Pobreza == "Pobre", Año == 2013 )
df5 <- filter(data_df3, Pobreza == "Pobre", Año == 2015 )
df6 <- filter(data_df3, Pobreza == "Pobre", Año == 2017 )
df7 <- filter(data_df3, Pobreza == "Pobre", Año == 2020 )
names(df1)[c(2,3)] <- c("Pobreza1","Freq1")
names(df2)[c(2,3)] <- c("Pobreza2","Freq2")
names(df3)[c(2,3)] <- c("Pobreza3","Freq3")
names(df4)[c(2,3)] <- c("Pobreza4","Freq4")
names(df5)[c(2,3)] <- c("Pobreza5","Freq5")
names(df6)[c(2,3)] <- c("Pobreza6","Freq6")
names(df7)[c(2,3)] <- c("Pobreza7","Freq7")
df8 <- merge(x=df1, y= df2[,c(2,3,5)], by= "Código")
df8 <- merge(x=df8, y= df3[,c(2,3,5)], by= "Código")
df8 <- merge(x=df8, y= df4[,c(2,3,5)], by= "Código")
df8 <- merge(x=df8, y= df5[,c(2,3,5)], by= "Código")
df8 <- merge(x=df8, y= df6[,c(2,3,5)], by= "Código")
df8 <- merge(x=df8, y= df7[,c(2,3,5)], by= "Código")
df8 <- df8[,c(2,1,3,4,6:17,5)]
df8 <- mutate_if(df8, is.factor, as.character)
p <- plot_ly(df8, width = 1200, x = ~Comuna, y = ~Freq1, name = 'Pobre 2006', mode = 'markers') %>% add_lines()
p <- p %>% add_lines(y = ~Freq2, name = 'Pobre 2009', mode = 'markers')
p <- p %>% add_lines(y = ~Freq3, name = 'Pobre 2011', mode = 'markers')
p <- p %>% add_lines(y = ~Freq3, name = 'Pobre 2013', mode = 'markers')
p <- p %>% add_lines(y = ~Freq4, name = 'Pobre 2015', mode = 'markers')
p <- p %>% add_lines(y = ~Freq5, name = 'Pobre 2017', mode = 'markers')
p <- p %>% add_lines(y = ~Freq6, name = 'Pobre 2020', mode = 'markers')
p9 Pobre extremo
df1 <- filter(data_df3, Pobreza == "Pobre extremo", Año == 2006 )
df2 <- filter(data_df3, Pobreza == "Pobre extremo", Año == 2009 )
df3 <- filter(data_df3, Pobreza == "Pobre extremo", Año == 2011 )
df4 <- filter(data_df3, Pobreza == "Pobre extremo", Año == 2013 )
df5 <- filter(data_df3, Pobreza == "Pobre extremo", Año == 2015 )
df6 <- filter(data_df3, Pobreza == "Pobre extremo", Año == 2017 )
df7 <- filter(data_df3, Pobreza == "Pobre extremo", Año == 2020 )
names(df1)[c(2,3)] <- c("Pobreza1","Freq1")
names(df2)[c(2,3)] <- c("Pobreza2","Freq2")
names(df3)[c(2,3)] <- c("Pobreza3","Freq3")
names(df4)[c(2,3)] <- c("Pobreza4","Freq4")
names(df5)[c(2,3)] <- c("Pobreza5","Freq5")
names(df6)[c(2,3)] <- c("Pobreza6","Freq6")
names(df7)[c(2,3)] <- c("Pobreza7","Freq7")
df8 <- merge(x=df1, y= df2[,c(2,3,5)], by= "Código")
df8 <- merge(x=df8, y= df3[,c(2,3,5)], by= "Código")
df8 <- merge(x=df8, y= df4[,c(2,3,5)], by= "Código")
df8 <- merge(x=df8, y= df5[,c(2,3,5)], by= "Código")
df8 <- merge(x=df8, y= df6[,c(2,3,5)], by= "Código")
df8 <- merge(x=df8, y= df7[,c(2,3,5)], by= "Código")
df8 <- df8[,c(2,1,3,4,6:17,5)]
df8 <- mutate_if(df8, is.factor, as.character)
p <- plot_ly(df8, width = 1200, x = ~Comuna, y = ~Freq1, name = 'Pobre extremo 2006', mode = 'markers') %>% add_lines()
p <- p %>% add_lines(y = ~Freq2, name = 'Pobre extremo 2009', mode = 'markers')
p <- p %>% add_lines(y = ~Freq3, name = 'Pobre extremo 2011', mode = 'markers')
p <- p %>% add_lines(y = ~Freq3, name = 'Pobre extremo 2013', mode = 'markers')
p <- p %>% add_lines(y = ~Freq4, name = 'Pobre extremo 2015', mode = 'markers')
p <- p %>% add_lines(y = ~Freq5, name = 'Pobre extremo 2017', mode = 'markers')
p <- p %>% add_lines(y = ~Freq6, name = 'Pobre extremo 2020', mode = 'markers')
p10 Porcentaje de pobreza por comuna
recptaculo <- data.frame()
for (j in unique(data_df3$Código)) {
for (i in c("2006","2009","2011","2013","2015","2017","2020")) {
tb1 <- filter(data_df3, Año == i, Código == j)
tb1$porcentaje_pobreza <- (tb1$Freq*100)/sum(tb1$Freq)
tb1 <- tb1[,c(1,5,2,3,6,4)]
recptaculo <- rbind(recptaculo,tb1)
}
}
datatable(recptaculo, extensions = 'Buttons', escape = FALSE, rownames = FALSE,
options = list(dom = 'Bfrtip',
buttons = list('colvis', list(extend = 'collection',
buttons = list(
list(extend='copy'),
list(extend='excel',
filename = 'hitStats'),
list(extend='pdf',
filename= 'hitStats')),
text = 'Download')), scrollX = TRUE))%>%
formatStyle(
'porcentaje_pobreza',
background = styleColorBar(tb1$porcentaje_pobreza, 'steelblue'),
backgroundSize = '100% 90%',
backgroundRepeat = 'no-repeat',
backgroundPosition = 'center'
)11 Cambio de formato a la tabla
df1 <- filter(recptaculo, Pobreza == "No pobre", Año == 2006 )
df2 <- filter(recptaculo, Pobreza == "No pobre", Año == 2009 )
df3 <- filter(recptaculo, Pobreza == "No pobre", Año == 2011 )
df4 <- filter(recptaculo, Pobreza == "No pobre", Año == 2013 )
df5 <- filter(recptaculo, Pobreza == "No pobre", Año == 2015 )
df6 <- filter(recptaculo, Pobreza == "No pobre", Año == 2017 )
df7 <- filter(recptaculo, Pobreza == "No pobre", Año == 2020 )
names(df1)[c(4:6)] <- c("Freq1","porcentaje_pobreza1","Año1")
names(df2)[c(4:6)] <- c("Freq2","porcentaje_pobreza2","Año2")
names(df3)[c(4:6)] <- c("Freq3","porcentaje_pobreza3","Año3")
names(df4)[c(4:6)] <- c("Freq4","porcentaje_pobreza4","Año4")
names(df5)[c(4:6)] <- c("Freq5","porcentaje_pobreza5","Año5")
names(df6)[c(4:6)] <- c("Freq6","porcentaje_pobreza6","Año6")
names(df7)[c(4:6)] <- c("Freq7","porcentaje_pobreza7","Año7")
df8 <- merge(x=df1, y= df2[,c(2,4:6)], by= "Código")
df8 <- merge(x=df8, y= df3[,c(2,4:6)], by= "Código")
df8 <- merge(x=df8, y= df4[,c(2,4:6)], by= "Código")
df8 <- merge(x=df8, y= df5[,c(2,4:6)], by= "Código")
df8 <- merge(x=df8, y= df6[,c(2,4:6)], by= "Código")
df8 <- merge(x=df8, y= df7[,c(2,4:6)], by= "Código")
df8 <- df8[,c(2,1,3:24)]
tb1<- mutate_if(df8, is.factor, as.character)
df1 <- filter(recptaculo, Pobreza == "Pobre", Año == 2006 )
df2 <- filter(recptaculo, Pobreza == "Pobre", Año == 2009 )
df3 <- filter(recptaculo, Pobreza == "Pobre", Año == 2011 )
df4 <- filter(recptaculo, Pobreza == "Pobre", Año == 2013 )
df5 <- filter(recptaculo, Pobreza == "Pobre", Año == 2015 )
df6 <- filter(recptaculo, Pobreza == "Pobre", Año == 2017 )
df7 <- filter(recptaculo, Pobreza == "Pobre", Año == 2020 )
names(df1)[c(4:6)] <- c("Freq1","porcentaje_pobreza1","Año1")
names(df2)[c(4:6)] <- c("Freq2","porcentaje_pobreza2","Año2")
names(df3)[c(4:6)] <- c("Freq3","porcentaje_pobreza3","Año3")
names(df4)[c(4:6)] <- c("Freq4","porcentaje_pobreza4","Año4")
names(df5)[c(4:6)] <- c("Freq5","porcentaje_pobreza5","Año5")
names(df6)[c(4:6)] <- c("Freq6","porcentaje_pobreza6","Año6")
names(df7)[c(4:6)] <- c("Freq7","porcentaje_pobreza7","Año7")
df8 <- merge(x=df1, y= df2[,c(2,4:6)], by= "Código")
df8 <- merge(x=df8, y= df3[,c(2,4:6)], by= "Código")
df8 <- merge(x=df8, y= df4[,c(2,4:6)], by= "Código")
df8 <- merge(x=df8, y= df5[,c(2,4:6)], by= "Código")
df8 <- merge(x=df8, y= df6[,c(2,4:6)], by= "Código")
df8 <- merge(x=df8, y= df7[,c(2,4:6)], by= "Código")
df8 <- df8[,c(2,1,3:24)]
tb2<- mutate_if(df8, is.factor, as.character)
df1 <- filter(recptaculo, Pobreza == "Pobre extremo", Año == 2006 )
df2 <- filter(recptaculo, Pobreza == "Pobre extremo", Año == 2009 )
df3 <- filter(recptaculo, Pobreza == "Pobre extremo", Año == 2011 )
df4 <- filter(recptaculo, Pobreza == "Pobre extremo", Año == 2013 )
df5 <- filter(recptaculo, Pobreza == "Pobre extremo", Año == 2015 )
df6 <- filter(recptaculo, Pobreza == "Pobre extremo", Año == 2017 )
df7 <- filter(recptaculo, Pobreza == "Pobre extremo", Año == 2020 )
names(df1)[c(4:6)] <- c("Freq1","porcentaje_pobreza1","Año1")
names(df2)[c(4:6)] <- c("Freq2","porcentaje_pobreza2","Año2")
names(df3)[c(4:6)] <- c("Freq3","porcentaje_pobreza3","Año3")
names(df4)[c(4:6)] <- c("Freq4","porcentaje_pobreza4","Año4")
names(df5)[c(4:6)] <- c("Freq5","porcentaje_pobreza5","Año5")
names(df6)[c(4:6)] <- c("Freq6","porcentaje_pobreza6","Año6")
names(df7)[c(4:6)] <- c("Freq7","porcentaje_pobreza7","Año7")
df8 <- merge(x=df1, y= df2[,c(2,4:6)], by= "Código")
df8 <- merge(x=df8, y= df3[,c(2,4:6)], by= "Código")
df8 <- merge(x=df8, y= df4[,c(2,4:6)], by= "Código")
df8 <- merge(x=df8, y= df5[,c(2,4:6)], by= "Código")
df8 <- merge(x=df8, y= df6[,c(2,4:6)], by= "Código")
df8 <- merge(x=df8, y= df7[,c(2,4:6)], by= "Código")
df8 <- df8[,c(2,1,3:24)]
tb3<- mutate_if(df8, is.factor, as.character)
tabla_madre <- rbind(tb1,tb2,tb3)
datatable(tabla_madre, extensions = 'Buttons', escape = FALSE, rownames = FALSE,
options = list(dom = 'Bfrtip',
buttons = list('colvis', list(extend = 'collection',
buttons = list(
list(extend='copy'),
list(extend='excel',
filename = 'hitStats'),
list(extend='pdf',
filename= 'hitStats')),
text = 'Download')), scrollX = TRUE))tabla_pobreza <- tabla_madre[,c(1,2,3,5,8,11,14,17,20,23)]
tabla_pobreza$p2007 <- NA
tabla_pobreza$p2008 <- NA
tabla_pobreza$p2010 <- NA
tabla_pobreza$p2012 <- NA
tabla_pobreza$p2014 <- NA
tabla_pobreza$p2016 <- NA
tabla_pobreza$p2018 <- NA
tabla_pobreza$p2019 <- NA
tabla_pobreza$p2021 <- NA
tabla_pobreza <- tabla_pobreza[,c("Comuna","Código","Pobreza","porcentaje_pobreza1","p2007","p2008","porcentaje_pobreza2","p2010","porcentaje_pobreza3","p2012","porcentaje_pobreza4","p2014","porcentaje_pobreza5","p2016","porcentaje_pobreza6","p2018","p2019","porcentaje_pobreza7","p2021")]
colnames(tabla_pobreza) <- c("Comuna","Código","Pobreza","p2006","p2007","p2008","p2009","p2010","p2011","p2012","p2013","p2014","p2015","p2016","p2017","p2018","p2019","p2020","p2021")head(tabla_pobreza)## Comuna Código Pobreza p2006 p2007 p2008 p2009 p2010 p2011
## 1 Iquique 01101 No pobre 86.48426 NA NA 77.96203 NA 88.92539
## 2 Alto Hospicio 01107 No pobre 54.58826 NA NA 70.59638 NA 72.28843
## 3 Pozo Almonte 01401 No pobre 76.55852 NA NA 75.15345 NA 83.95930
## 4 Camiña 01402 No pobre 23.76514 NA NA 43.77510 NA 61.02941
## 5 Huara 01404 No pobre 41.76301 NA NA 44.37353 NA 67.87126
## 6 Pica 01405 No pobre 74.51962 NA NA 69.26454 NA 76.70691
## p2012 p2013 p2014 p2015 p2016 p2017 p2018 p2019 p2020 p2021
## 1 NA 93.82533 NA 94.67058 NA 95.30485 NA NA 87.99081 NA
## 2 NA 89.73909 NA 91.49277 NA 91.65715 NA NA 84.49419 NA
## 3 NA 85.95593 NA 89.67351 NA 89.50090 NA NA 86.13687 NA
## 4 NA 68.88151 NA 59.23345 NA 100.00000 NA NA 75.52804 NA
## 5 NA 82.70939 NA 77.46002 NA 88.79014 NA NA 53.90260 NA
## 6 NA 74.51312 NA 88.07033 NA 88.77245 NA NA 76.62187 NA
12 Aplicamos la interpolación con na.approx
receptaculo2 <- data.frame()
for (n in 1:896) {
calculado <- na.approx(c(tabla_pobreza[n,c(4:19)]))*10
# calculado <- as.data.frame(calculado)
receptaculo2 <- rbind(receptaculo2,calculado)
}
colnames(receptaculo2) <- c("p2006","p2007","p2008","p2009","p2010","p2011","p2012","p2013","p2014","p2015","p2016","p2017","p2018","p2019","p2020")library(scales)
tabla_final <- cbind(tabla_pobreza[,c(1,2,3)],receptaculo2)
tabla_madre <- rbind(tb1,tb2,tb3)
datatable(tabla_final, extensions = 'Buttons', escape = FALSE, rownames = FALSE,
options = list(dom = 'Bfrtip',
buttons = list('colvis', list(extend = 'collection',
buttons = list(
list(extend='copy'),
list(extend='excel',
filename = 'hitStats'),
list(extend='pdf',
filename= 'hitStats')),
text = 'Download')), scrollX = TRUE))%>%
formatRound(c("p2006","p2007","p2008","p2009","p2010","p2011","p2012","p2013","p2014","p2015","p2016","p2017","p2018","p2019","p2020"), mark = "", digits = 2)%>%
formatPercentage( c("p2006","p2007","p2008","p2009","p2010","p2011","p2012","p2013","p2014","p2015","p2016","p2017","p2018","p2019","p2020"))13 No pobres
fn_grafico <- function(m){
p <- p %>% add_lines(y = ~pob1[,m], name = paste0('No pobre ',colnames(pob1)[m]), mode = 'markers')
p <<- p
}
pob1 <- filter(tabla_final, Pobreza == "No pobre")
p <- plot_ly(pob1, width = 1200, x = ~Comuna, y = ~p2006, name = 'No pobre 2006', mode = 'markers') %>% add_lines()
for (m in 5:18) {
fn_grafico(m)
}
p14 Pobres
fn_grafico <- function(m){
p <- p %>% add_lines(y = ~pob1[,m], name = paste0('Pobre ',colnames(pob1)[m]), mode = 'markers')
p <<- p
}
pob1 <- filter(tabla_final, Pobreza == "Pobre")
p <- plot_ly(pob1, width = 1200, x = ~Comuna, y = ~p2006, name = 'Pobre 2006', mode = 'markers') %>% add_lines()
for (m in 5:18) {
fn_grafico(m)
}
p15 Pobres extremos
fn_grafico <- function(m){
p <- p %>% add_lines(y = ~pob1[,m], name = paste0('Pobre extremo ',colnames(pob1)[m]), mode = 'markers')
p <<- p
}
pob1 <- filter(tabla_final, Pobreza == "Pobre extremo")
p <- plot_ly(pob1, width = 1200, x = ~Comuna, y = ~p2006, name = 'Pobre extremo 2006', mode = 'markers') %>% add_lines()
for (m in 5:18) {
fn_grafico(m)
}
p